ABSTRAKSI: Memperkirakan usia manusia secara otomatis melalui analisis citra wajah memiliki banyak potensi untuk diaplikasikan di dunia nyata. Namun, memperkirakan usia manusia masih merupakan hal yang tidak mudah dilakukan. Laki-laki dan perempuan mengalami penuaan yang berbeda. Estimasi usia diperlukan pada beberapa aplikasi. Salah satunya adalah aplikasi untuk membatasi akses terlarang pada usia tertentu. Pada kasus seperti ini, akurasi sistem yang tinggi sangat diperlukan karena kesalahan persepsi terhadap pihak yang diidentifikasi dapat menimbulkan dampak yang fatal.
Dalam tugas akhir ini digunakan Manifold Learning untuk ekstraksi ciri dan Locally Adjusted Robust Regression (LARR) untuk menirukan kemampuan manusia dalam memperkirakan usia berdasarkan citra wajah. Dengan menggunakan Support Vector Regression sebagai robust regressor dan Local Age Adjustment sebagai penyesuaian usia estimasi, dapat dihasilkan sistem yang mempunyai akurasi tinggi. Serta membandingkan Support Vector Regression dengan robust regressor yang lain, yaitu Quantile Regression untuk estimasi usia.
Berdasarkan hasil pengujian dengan LARR, diperoleh MAE terbaik adalah sebesar 4.1637 pada wanita dan 4.3861 pada pria. Sebelumnya telah dilakukan beberapa kali pengujian dengan beberapa variasi parameter. Spesifikasi dataset yang lebih detail juga menentukan besarnya MAE. Berdasarkan kompleksitasnya, Quantile Regression memiliki performansi yang lebih baik daripada Support Vector Regression.Kata Kunci : estimasi, usia, Manifold Learning, Support Vector Regression, Quantile RegressionABSTRACT: Estimating human age automatically via facial image analysis has lots of potential to be applied in the real world. However, estimating human age is not an easy thing to do. Male and female may also age differently. Age estimation task is required on some application. One of them is an application to restrict access to certain age limits. In this case, the accuracy should be considered high. High accuracy system is necessary because misinterpretation can cause a fatal impact.
This final project uses Manifold Learning to extract features ang Locally Adjusted Robust Regression (LARR) to imitate the human ability for estimating age based on face images. By using Support Vector Regression as robust regressor and Local Age Adjustment as the age adjuster can produce a system that has a high accuracy. We also compare the performance between Support Vector Regression and Quantile Regression, which one will be best for age estimation.
AS the result of experiments using LARR, the best MAE is 4.1637 in female dataset and 4.3861 in male dataset. In previous testing has been performed several times with some variation of parameters. More detailed specifications of datasets also determines the magnitude of MAE. According to its complexity, Quantile Regression has better performance than Support Vector Regression, which makes Quantile Regression better in age estimation.Keyword: estimation, age, Manifold Learning, Support Vector Regression, Quantile Regression